四大雲端巨頭今年燒七千億美金，但四成 AI 專案可能直接被砍掉

TL;DR

• 四大 hyperscaler 今年 CapEx 從四千億美金跳到超過七千億，但企業 AI 專案的投資報酬率普遍令人失望
• Boomi CEO Steve Lucas 估計四成企業 AI 專案最終會被放棄，Gartner 也預測大量 agentic 專案撐不過 2027 年
• GPT-2 的訓練成本不到五萬美金，2026 年前沿模型超過十億美金，從二手車到航空母艦的跳躍
• OpenAI 每月燒三十億美金，這種虧法不可能永遠靠投資人補貼，成本終究會轉嫁到企業和消費者身上
• 下一波 AI 贏家不是做模型的公司，是做資料基礎建設的公司：Snowflake、Databricks、Datadog 這類「賣鏟子」的角色
• AI 裁員潮的真相：「用 AI 提升效率所以裁員」這句話背後幾乎沒有數據支撐，更像是方便的藉口
• 判斷 AI 公司是否真的有料，看新客戶獲取速度，不是看市值

這集在 2026 年七月十二日播出的 Motley Fool Money，是美國知名投資教育媒體 The Motley Fool 旗下的 podcast，主持人是分析師 Rachel Warren。這集的來賓 Steve Lucas 是 Boomi 的董事長兼 CEO。Boomi 是一家做企業資料整合的公司，幫企業把散落在各種系統裡的資料串起來，讓 AI 有乾淨的資料可以用，目前服務超過三萬家企業客戶。Steve Lucas 在企業軟體圈混了快三十年，之前當 Marketo CEO 的時候把公司翻身，最後被 Adobe 用四十七億五千萬美金收購。這個人不是在講理論，是真的坐在企業採購決策的對面聊過幾百個 CEO 的。

從空白支票到「給我看數字」

過去兩年 AI 的劇本大家都看過了：董事會壓 CEO 要有 AI 策略，CEO 壓團隊趕快做 AI 專案，錢先花了再說。Lucas 說這個「先衝再說」的階段正在結束，現在每個他走進去的董事會，聽到的都是同一句話：幫我證明這些專案有回報。

他用了一個很直白的說法：ROI supersedes AI。投資報酬率比 AI 本身重要。

這跟之前在一年燒掉的 token 比工程師薪水還多那篇聊到的趨勢一致。企業花在 AI 上的預算暴增，花在傳統軟體應用上的預算反而在縮。錢從一個口袋移到另一個口袋，但新口袋裡的東西還沒證明自己值那個價。

從二手車到航空母艦

Lucas 丟了一組數字讓我印象很深。

GPT-2 的訓練成本，不到五萬美金。2026 年前沿模型的訓練成本，超過十億美金。他的比喻是「從二手車到航空母艦」。

而這些成本目前大量被投資人補貼著。OpenAI 每個月燒三十億美金，這是公開數字。Lucas 的觀點很明確：沒有任何組織能永遠維持這種負向經濟，不管技術多有變革性。這些成本最終會轉嫁，不是消費者買單就是企業買單。

我自己的觀察是，現在大家用 Claude、ChatGPT 每個月付兩百美金覺得很便宜，但這個價格是被補貼出來的。之前在算力是顏料，不是電費那篇有聊過 Anthropic 的成本結構，token 價格持續在降，但降的速度跟不上用量的成長速度。等補貼退場的那天，才是真正考驗市場的時候。

四成專案會被砍掉

Lucas 估計四成的企業 AI 專案最終會被放棄。Gartner 也在說類似的話，預測大量 agentic 專案撐不過 2027 年底。

為什麼失敗率這麼高？他的解釋很實際：因為 AI 專案太容易開始了。

五分鐘，動動手指，就可以開始叫 Claude 或 OpenAI 處理你的商業資料。門檻低到讓人跳過所有該做的前置作業：商業需求定義、策略目標設定、預期產出量化。大家一頭栽進去做，忘了最基本的事情：這個東西做出來到底要解決什麼問題？

這個觀察跟 vibe coding 的現象其實是同一個邏輯。工具變簡單了，但「簡單」本身就是陷阱。因為太容易開始，所以大家跳過了思考。

Lucas 說現在還有一小段寬限期，但很快就會結束。未來六個月內，大多數 CEO 會開始對內部 AI 支出設上限。連 Elon Musk 都對 Tesla 和 SpaceX 員工的 AI 花費設了天花板。當連最愛燒錢的人都開始踩煞車，你就知道風向變了。

信任才是那道最高的牆

Lucas 講了一個我覺得很關鍵的觀察：在他三十年的軟體生涯裡，只要人類不信任一個東西，它就永遠不會被使用。

這不是 AI 獨有的問題。他見過無數商業智慧、數據分析專案失敗，原因都一樣：資料不準確，沒人信任它。而且只要有一次，在一個會議裡，有一個人說「這個數字不對」，整個系統的信任就崩了。

變革只會以信任的速度發生。

現在 AI 面對的信任門檻更高，因為它不只是提供資料給人類參考，它可能要做人類的工作。Lucas 認為「AI 要搶走所有人的工作」這種說法目前就是恐懼行銷，是在嚇人買產品，不是現實。但信任問題是真的。

你信任 AI 嗎？如果答案是「只信任它做 PowerPoint」，那我們離真正的企業級採用還很遠。

AI 裁員潮：方便的擋箭牌

過去一年很多公司宣布裁員，理由都是「AI 帶來效率提升」。Lucas 對這件事的態度很直接：這裡面有大量的 spin。

他的質疑很合理：數據在哪裡？你說因為 AI 提升了生產力所以要裁九千人，那給我看數字。財務團隊效率提升多少？工程團隊的產出增加幾倍？程式碼產出量是之前的十倍？時間縮短到三分之一？

如果有這些數據，投資人會買單。但目前大部分公司只是丟一句「AI 效率」就把人砍了，背後幾乎沒有實質佐證。之前 Shopify CEO Tobi Lütke 在20VC 那集也講過一模一樣的話：AI 是大裁員的代罪羔羊。

Lucas 沒有把話說死，他不說 AI 是 scapegoat，但他說它是一個「方便的擋箭牌」。意思差不多。

下一波贏家：賣鏟子的人

Rachel 問了一個投資人最想知道的問題：下一波 AI 贏家是誰？

Lucas 的回答很乾脆：目前唯一毫無疑問在 AI 上賺錢的公司是 NVIDIA。其他公司證明了自己能做出很厲害的模型，同時虧掉天文數字的錢。

那下一波呢？他認為是資料基礎建設公司。Snowflake、Databricks、Datadog 這些圍繞「資料」這個核心的公司，市值在漲，成長在加速，因為它們提供的是 AI 不可或缺的基礎設施。

他用了一個比喻：不管你開電動車還是燃油車，都需要能源。資料就是 AI 的能源。沒有資料的 AI 毫無意義。

投資人容易忽略的是哪些公司擁有「資料護城河」和「知識圖譜護城河」。什麼樣的資料是有價值的？不能被 AI 自動生成、不能被輕易複製的獨特資料。這才是投資人該挖的金礦。

至於前沿模型公司（OpenAI、Anthropic 這些），Lucas 點出一個結構性問題：它們原本的敘事是 AI 會取代大量人力工作，這樣才有足夠的軟體營收來覆蓋訓練成本。但這件事沒有發生。所以接下來它們必須轉向企業市場，說服大型組織使用它們的模型，而且是私有化部署。這是一個巨大的跳躍，不是消費者每月付兩百美金能解決的規模。

怎麼判斷一家 AI 公司是不是真的有料

Lucas 給了一個很實用的指標：看新客戶獲取速度。

他說市值現在太容易波動了，Anthropic 發一個新功能的公告，幾十家上市公司的市值就跟著跳。這不是判斷基本面的好指標。

真正有變革性技術的公司，它的成功指標不是把產品硬塞給現有客戶，而是有沒有新客戶主動來找你。OpenAI 和 Anthropic 從零到十億再到兩百億美金營收，幾乎全部來自新客戶獲取。但這個成長模式有天花板，當新客戶被吃完，它們就得開始做那些成熟企業該做的事：追加銷售、客戶擴張、功能升級。

所以投資人要觀察的不只是營收成長率，而是成長的來源。新客戶驅動的成長和舊客戶升級的成長，意義完全不同。

他最期待跟最擔心的事

Lucas 最後分享了一個很私人的故事。他是第一型糖尿病患者，已經快三十年了。手臂上隨時掛著血糖感測器和胰島素幫浦，二十四小時不停地在手機和裝置之間傳輸資料。

他相信 AI 在未來二十年內，不只能更好地管理這類慢性病，而是能治癒它。這是他作為 AI 樂觀主義者最核心的理由。

但他也很清楚另一面：當 AI 知道你所有的健康資料，它也能拿來賣你東西。這條線，每天都在走。

老實說，這個擔憂不是新的，但從一個自己身體掛著感測器、命靠資料撐的人嘴裡說出來，重量不一樣。

---

這集不是在唱衰 AI，Lucas 自己也說他是 AI 的信徒。但他的觀點很清醒：實驗階段快結束了，接下來是算帳的時候。四成專案會被砍、成本會被轉嫁、裁員理由會被戳穿。能活下來的，是那些真的解決了問題、真的有資料護城河的公司。

想看更多這類產業拆解，wilsonhuang.xyz 上會持續更新，歡迎訂閱。